我在R中运行此序数逻辑回归:
mtcars_ordinal <- polr(as.factor(carb) ~ mpg, mtcars)
我得到了该模型的摘要:
summary(mtcars_ordinal)
Re-fitting to get Hessian
Call:
polr(formula = as.factor(carb) ~ mpg, data = mtcars)
Coefficients:
Value Std. Error t value
mpg -0.2335 0.06855 -3.406
Intercepts:
Value Std. Error t value
1|2 -6.4706 1.6443 -3.9352
2|3 -4.4158 1.3634 -3.2388
3|4 -3.8508 1.3087 -2.9425
4|6 -1.2829 1.3254 -0.9679
6|8 -0.5544 1.5018 -0.3692
Residual Deviance: 81.36633
AIC: 93.36633
我可以这样获得系数的对数赔率mpg
:
exp(coef(mtcars_ordinal))
mpg
0.7917679
阈值的对数几率如下:
exp(mtcars_ordinal$zeta)
1|2 2|3 3|4 4|6 6|8
0.001548286 0.012084834 0.021262900 0.277242397 0.574406353
有人可以告诉我我对这个模型的解释是否正确:
随着
mpg
增加一个单位,从类别1carb
进入其他5个类别中任何一个的几率降低-0.23。如果对数优势超过阈值0.0015,则汽车的预测值将为的类别2carb
。如果对数赔率超过阈值0.0121,则汽车的预测值将为的类别3carb
,依此类推。